Podcast-Suchmaschine für SEO & Online-Marketing: Discovery, KI-Profile und filterbare Suche

---

---

Ab sofort findet ihr auf seo-day.de eine Podcast-Suchmaschine für SEO und Online-Marketing – erreichbar unter /podcasts. Die Ergebnisliste lädt per AJAX über /api/podcast-suche-results, Autosuggest über /api/podcast-suche-autosuggest. Statt einer statischen Liste bauen wir ein wachsendes Verzeichnis aus freigegebenen Kanälen, die wir automatisiert finden, per KI auf Relevanz prüfen, anreichern und strukturieren.

---

Die Datenbasis entsteht über php start-podcast-de-import.php. Der Orchestrator CLIPodcastDeImportOrchestrator führt acht Steps aus – jeder Step ist ein eigener Service mit fester Verantwortung:

Jeder Step schreibt Fortschritt in eigene Tabellen oder direkt in podcast_de_channel, damit Wiederholungsläufe nur offene Arbeit nachziehen – keine doppelten Agent-Läufe ohne Grund.

---

Die Themen-Kategorien kommen aus config/podcast-de-import/podcast-topic-config.php. Der vollständige Satz umfasst derzeit 10 Themen-Slugs – darunter eine repräsentative Auswahl:

Die Verzeichnis-Queries kommen aus config/podcast-de-import/podcast-directory-search-config.php – derzeit 4 Suchbegriffe (online marketing, onlinemarketing, suchmaschinenoptimierung, seo) auf 10 Plattformen (podcast.de, fyyd, podcaster.de, Podcastatlas, Deutsche Podcasts, Podcastplattform, Podcastclub, Podcast Index, Listen Notes, Podchaser). Pro Plattform höchstens ein Agent-Lauf pro Kalendertag; Treffer landen in podcast_directory_search_hit, der letzte Lauf in podcast_directory_search_platform_last_run.

Merksatz: Discovery ist kein einmaliger Scrape, sondern ein wiederholbarer Kreislauf – neue Verzeichnisse, neue Kandidaten, neue Profile, ohne manuelles Copy-Paste.

---

Freigegebene Kanäle werden in podcast_de_channel persistiert (Schema: briefing/database/004-podcast_de_channel.sql). Die wichtigsten Felder für Suche und Karten:

---

Sechs MySQL-Tabellen bilden den Import- und Verzeichnis-Stack ab. Die Grafik zeigt, welcher CLI-Step welche Tabelle befüllt und wie die Daten zum zentralen Kanal-Verzeichnis und zur Autosuggest-Suche fließen:

Merksatz: Discovery-Tabellen sammeln Kandidaten, die Relevanz-Tabelle filtert, podcast_de_channel ist das zentrale Verzeichnis – die Suggest-Tabellen hängen daran für Autocomplete in der Suche.

---

Die Suche ist live – filtert nach euren Kriterien und zeigt KI-Profile sowie letzte Episoden direkt in der Karte:

CTA: Podcast-Suche öffnen (/podcasts) – Themen, Aktualität, Sortierung und Autosuggest in einer Oberfläche.

---

Transparenz gehört zum Launch dazu. Weder die Podcast-Suche noch dieser Artikel laufen über ein klassisches CMS oder ein JavaScript-Framework – beides ist reines PHP, Twig und linearer Screen-Flow.

Mehr Hintergrund zu Architektur und Nightly-Checks findet ihr in diesen Blog-Artikeln:

---

Transparenz endet nicht bei der Architektur – auch die Git-Historie erzählt die Geschichte. Der Podcast-Stack ist Greenfield-Neubau ab dem 1. Juni 2026 – erster Commit am 1. Juni 2026 um 13:41 Uhr, Finalisierung mit 8 CLI-Steps, KI-Profilen und Autosuggest am 7. Juni 2026 um 17:51 Uhr (MESZ). Die Kennzahlen unten beziehen sich ausschließlich auf den Podcast-Scope (Briefings, PHP, Twig, CSS, JS, Tests, Config, SQL, Prompts – keine fremden Treffer wie Crawler-Daten zu podcast.de aus anderen Features).

Was bedeutet das? In knapp einer Woche (1.–7. Juni 2026) entstanden 361 Dateien und fast 40.000 neue Zeilen im Podcast-Scope – alles Greenfield, ohne Altlasten. Das zeigt die Maschinen-Geschwindigkeit von Agentic AI Coding. Die 20 Minuten sind die menschliche Netto-Arbeit pro Iterationsrunde: Richtung vorgeben, Ergebnisse prüfen, freigeben – nicht jede Zeile tippen.

---

Was steckt in 361 Dateien und fast 40.000 neuen Zeilen im Podcast-Scope? Ein komplettes Feature: Discovery über Websearch und Verzeichnisse, KI-Relevanz, Import, Website-Crawl, KI-Profile, Episoden-Suggests, Suche mit AJAX-Filtern, API-Endpoints, Briefings, Translations in sechs Sprachen und PHPUnit-Tests über alle Schichten. Wäre das ohne Agentic AI Coding mit klassischem Team gebaut worden, sähe der Aufwand grob so aus:

Die Schätzung ist bewusst eine Gegengerechnung, keine Agentur-Rechnung. Sie zeigt die Größenordnung: Was früher ein Quartalsprojekt mit fünf Köpfen war, ist mit dem richtigen KI-Framework in iterativen Sprints machbar – wenn Architektur, Regeln und Tests von Anfang an mitgedacht werden.

---

Viele Teams haben Ideen auf der Backlog-Liste, die aus Budget- oder Machbarkeitsgründen seit Jahren liegen bleiben: ein internes Verzeichnis, eine Discovery-Pipeline, ein mehrsprachiger Screen mit voller Testabdeckung. Mit Agentic AI Coding ist bei uns fast alles machbar – oft für ein Budget, das klassisch nicht einmal die Angebots-Phase abdecken würde.

Beauftragung & Kontakt: Wer Lust hat, ein vergleichbares Projekt umzusetzen – ob Podcast-Verzeichnis, Branchen-Discovery oder eigenes KI-Produkt – kann sich bei uns melden. Auf /ki findet ihr unseren Agentur-Screen: dort seht ihr, wie wir arbeiten, und könnt direkt Kontakt aufnehmen. Wir bauen für euch, was bisher zu teuer oder zu komplex schien – überschaubar, testbar und produktionsreif.

---

Podcast-Discovery für SEO und Online-Marketing ist kein manuelles Link-Verzeichnis mehr, sondern ein automatisierter Kreislauf: Websearch → Verzeichnisse → KI-Relevanz → Import → Crawl → Profil → Suggests → filterbare Suche. 361 Dateien, ~39.400 neue Zeilen, 6 Tabellen, 8 CLI-Steps – in einer Woche (1.–7. Juni 2026) und netto ~20 Minuten menschliche Steuerung pro Iterationsrunde. Probiert die Suche unter /podcasts aus. Wer ähnliches für das eigene Unternehmen will: /ki.